深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
701	2025-06-04	Automatic determination of the resection plane for shoulder arthroplasty in arthritic humeri: a deep learning model 2025-Apr-22, Journal of shoulder and elbow surgery IF:2.9Q1 DOI:10.1016/j.jse.2025.03.010 PMID:40274011	research paper	开发了一种深度学习模型，用于自动确定关节炎肱骨的肩关节置换术切除平面	首次提出自动化方法识别关节炎肱骨的切除平面，解决了传统方法因骨赘和畸形导致参考标志模糊的问题	样本量较小（62个3D模型），且仅在特定类型关节炎病例中验证	提高肩关节置换术术前规划的自动化水平和准确性	关节炎和非关节炎患者的肱骨3D模型	digital pathology	osteoarthritis	computed tomography扫描	deep learning	3D模型	62个肱骨3D模型（80%训练，20%测试）
702	2025-06-04	Fluorescence images of skin lesions and automated diagnosis using convolutional neural networks 2025-Apr, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2024.104462 PMID:39736369	研究论文	本文探讨了使用卷积神经网络（CNN）对皮肤病变的荧光图像进行自动诊断的方法	首次使用智能手机采集的荧光图像进行皮肤病变分类，并创建了新的数据集FLUO-SC	缺乏公开的荧光图像数据集，样本量相对较小（1,563张图像）	探索荧光图像在皮肤癌自动诊断中的应用潜力	皮肤病变（特别是皮肤癌）	数字病理学	皮肤癌	荧光宽场成像	CNN	图像	1,563张荧光图像
703	2025-06-04	WALINET: A water and lipid identification convolutional neural network for nuisance signal removal in 1 H $$ {}^1\mathrm{H} $$ MR spectroscopic imaging 2025-Apr, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30402 PMID:39737778	research paper	本文提出了一种基于改进Y-NET网络的深度学习模型WALINET，用于全脑1H-MRSI中水和脂质信号的去除	首次将监督神经网络应用于MRSI处理中的水和脂质信号去除任务，相比传统方法具有更快的处理速度和更好的性能	未提及具体的数据集规模限制或模型泛化能力测试	开发一种快速有效的方法来去除1H-MRSI中的水和脂质干扰信号	全脑1H-MRSI数据	医学影像处理	NA	1H-MRSI	改进的Y-NET网络(CNN)	磁共振波谱成像数据	模拟数据和体内全脑MRSI数据(未提具体数量)
704	2025-06-04	Electrocardiogram-based deep learning to predict left ventricular systolic dysfunction in paediatric and adult congenital heart disease in the USA: a multicentre modelling study 2025-04, The Lancet. Digital health DOI:10.1016/j.landig.2025.01.001 PMID:40148010	研究论文	本研究利用深度学习技术分析心电图（ECG）数据，预测成人和儿童先天性心脏病患者的左心室收缩功能障碍（LVSD）	首次将人工智能增强的心电图分析（AI-ECG）全面应用于先天性心脏病患者的左心室收缩功能障碍预测	研究主要基于美国两家医院的数据，可能无法完全代表其他地区或人群的情况	开发一种预测先天性心脏病患者当前和未来左心室收缩功能障碍的算法	成人和儿童先天性心脏病患者	数字病理学	心血管疾病	AI-ECG	CNN	心电图和超声心动图数据	训练队列包含124,265对心电图-超声心动图数据（来自49,158名患者），测试组包括内部测试（21,068名患者）和外部验证（42,984名患者）
705	2025-06-04	Artificial intelligence demonstrates potential to enhance orthopaedic imaging across multiple modalities: A systematic review 2025-Apr, Journal of experimental orthopaedics IF:2.0Q2 DOI:10.1002/jeo2.70259 PMID:40337671	系统综述	本文通过系统综述评估了人工智能在骨科影像学中的有效性和可靠性，重点关注其对诊断准确性、图像分割和操作效率的影响	首次系统性地比较了不同AI辅助骨科影像应用在临床效果和实用性上的差异	现有文献缺乏全面的统计分析和随机对照试验，需要进一步研究在临床环境中验证这些发现	评估AI在骨科影像学中的应用效果和可靠性	骨科影像学	医学影像分析	骨科疾病	机器学习模型评估	CNN	医学影像	11,990,643张来自多种诊断仪器的图像
706	2025-06-04	Global output of clinical application research on artificial intelligence in the past decade: a scientometric study and science mapping 2025-03-15, Systematic reviews IF:6.3Q1 DOI:10.1186/s13643-025-02779-2 PMID:40089747	研究论文	通过科学计量学和科学图谱分析过去十年人工智能在临床应用中发表的研究现状、热点和趋势	首次对人工智能在临床研究中的应用进行了全面的科学计量分析，揭示了研究热点和发展趋势	仅基于Web of Science数据库的数据，可能未涵盖所有相关研究	分析人工智能在临床应用中发表研究的现状、热点和趋势	735篇人工智能临床研究相关文章	人工智能	NA	科学计量学、可视化分析	NA	文献数据	22,583篇文章中的735篇人工智能临床研究相关文章
707	2025-06-04	A systematic review on the impact of artificial intelligence on electrocardiograms in cardiology 2025-Mar, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105753 PMID:39674006	系统综述	本文系统综述了人工智能在心电图分析中的应用及其对心脏病学诊断和治疗的影响	探讨了AI、机器学习和深度学习在心电图分析中的整合及其对预测诊断和治疗支持的潜在影响	仅包括2014年至2024年的英文期刊文章和研究论文，可能遗漏非英语文献或其他时间段的重要研究	评估人工智能在心电图分析中的应用及其对心脏病学诊断和治疗的影响	心电图数据及其在心脏病学中的应用	机器学习	心血管疾病	AI、机器学习（ML）、深度学习（DL）	CNN、RNN、混合模型	心电图数据	46项符合纳入标准的研究
708	2025-06-04	Deep learning-based pelvimetry in pelvic MRI volumes for pre-operative difficulty assessment of total mesorectal excision 2025-03, Surgical endoscopy DOI:10.1007/s00464-024-11485-4 PMID:39753930	research paper	提出了一种基于深度学习的自动化骨盆测量工作流程，用于术前评估全直肠系膜切除术（TME）的难度	首次使用深度学习在MRI体积中自动化骨盆测量，提高了测量效率和准确性	尽管自动化测量准确性高，但与手动标注相比仍存在一定误差（平均5.6 mm）	开发一个自动化工作流程，用于术前评估TME手术的难度	骨盆MRI体积	digital pathology	NA	MRI	3D U-Net	image	1707名患者的MRI体积数据，来自8个TME中心
709	2025-06-04	Convolutional Neural Networks for the segmentation of hippocampal structures in postmortem MRI scans 2025-Mar, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110359 PMID:39755177	research paper	本研究提出了一种基于深度学习的新型分割框架，用于自动分割尸检MRI扫描中的海马结构	提出了一种嵌入自注意力机制和空洞空间金字塔池化的编码器-解码器块的新型分割框架，用于更准确地分割海马区域	样本量较小，仅使用了15例尸检MRI扫描	开发自动分割海马结构的方法，以量化阿尔茨海默病等神经退行性疾病对海马的影响	尸检MRI扫描中的海马结构	digital pathology	Alzheimer's disease	postmortem MRI	encoder-decoder blocks with self-attention mechanisms and atrous spatial pyramidal pooling	MRI scans (T1-weighted, T2-weighted, susceptibility-weighted)	15 postmortem MRI scans
710	2025-06-04	DDEvENet: Evidence-based ensemble learning for uncertainty-aware brain parcellation using diffusion MRI 2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102489 PMID:39787735	research paper	本研究开发了一种基于深度学习和扩散MRI的DDEvENet模型，用于解剖学上的脑部分割	DDEvENet的关键创新在于设计了一个证据深度学习框架，能够在单次推理中量化每个体素的预测不确定性	NA	开发一个不确定性感知的脑部分割方法，以提高分割的准确性和可靠性	健康人群和临床患者（包括精神分裂症、双相情感障碍、注意力缺陷多动障碍、帕金森病、脑小血管病和脑肿瘤患者）的脑部MRI数据	digital pathology	brain diseases	diffusion MRI	CNN	image	大规模数据集，包括健康成人和多种脑部疾病患者的高质量和临床扩散MRI数据
711	2025-06-04	An in-depth review of AI-powered advancements in cancer drug discovery 2025-03, Biochimica et biophysica acta. Molecular basis of disease DOI:10.1016/j.bbadis.2025.167680 PMID:39837431	review	本文综述了人工智能在癌症药物发现中的进展，包括其在靶点识别、药物设计、临床试验优化和药物反应预测等关键阶段的应用	探讨了AI技术如深度学习和高级数据分析在癌症药物发现中的变革性作用，以及如DrugnomeAI和PandaOmics等前沿工具的应用	面临大规模基因组数据管理和AI在医疗保健中部署的伦理问题等挑战	探索人工智能和基因组学在癌症药物发现中的融合及其对个性化治疗策略的推动作用	癌症药物发现过程中的关键阶段	machine learning	cancer	deep learning, advanced data analytics	NA	genomic datasets	NA
712	2025-06-04	NetSDR: Drug repurposing for cancers based on subtype-specific network modularization and perturbation analysis 2025-03, Biochimica et biophysica acta. Molecular basis of disease DOI:10.1016/j.bbadis.2025.167688 PMID:39862994	研究论文	本文提出了一种基于网络的亚型特异性药物重定位框架NetSDR，用于优先考虑针对特定癌症亚型的重定位药物	结合癌症亚型信息和网络扰动分析，开发了一种新的药物重定位框架，利用深度学习构建加权药物响应网络	研究仅应用于胃癌，未在其他癌症类型中验证	开发一种系统生物学框架，用于癌症和其他复杂疾病的精确药物重定位	癌症亚型及其特异性蛋白特征和网络扰动	系统生物学	胃癌	网络医学方法、深度学习	深度学习模型	蛋白质组学数据	NA
713	2025-06-04	Deep learning model for identifying acute heart failure patients using electrocardiography in the emergency room 2025-Feb-20, European heart journal. Acute cardiovascular care DOI:10.1093/ehjacc/zuaf001 PMID:39787045	研究论文	本研究开发并评估了一种利用心电图（ECG）数据增强急诊室（ER）中急性心力衰竭（AHF）识别的深度学习模型	使用深度学习模型结合ECG和临床数据显著提高了AHF在急诊室的检测准确率	研究为回顾性队列研究，可能存在选择偏差	开发并评估一种深度学习模型，以提高急诊室中急性心力衰竭（AHF）的识别准确率	急诊室就诊的急性心力衰竭患者	机器学习	心血管疾病	ECG数据分析	CatBoost, XGBoost, Light GBM	ECG数据和临床数据	19,285名患者（其中9,119名诊断为AHF）
714	2025-06-04	Enhancing motor imagery EEG signal decoding through machine learning: A systematic review of recent progress 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109534 PMID:39672015	review	本文系统性回顾了神经科学与深度学习在解码运动想象脑电图（EEG）信号方面的最新进展，旨在提升运动障碍患者的生活质量	总结了自2017年以来相关研究的关键发现，重点关注数据集、预处理方法、特征提取技术和深度学习模型的应用	EEG信号的信噪比低且个体间存在固有变异性，这在实际应用中带来了挑战	探索EEG信号解码技术，以改善运动障碍患者的沟通方式	运动想象EEG信号	machine learning	neurological disorders	EEG	deep learning models	EEG signals	NA
715	2025-06-04	Diagnostic performance of neural network algorithms in skull fracture detection on CT scans: a systematic review and meta-analysis 2025-Feb, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-024-02300-7 PMID:39680295	系统综述与荟萃分析	评估卷积神经网络（CNN）在CT扫描中诊断颅骨骨折的性能	首次系统评估CNN在颅骨骨折CT诊断中的表现，并进行了荟萃分析	研究间存在异质性，可能存在发表偏倚	评估CNN模型在CT图像上诊断颅骨骨折的准确性	颅骨骨折的CT影像	医学影像分析	颅骨骨折	深度学习	CNN	CT图像	11项研究，共20798名患者
716	2025-06-04	Improving functional correlation of quantification of interstitial lung disease by reducing the vendor difference of CT using generative adversarial network (GAN) style conversion 2025-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111899 PMID:39740598	研究论文	通过使用生成对抗网络（GAN）风格转换减少CT厂商差异，改善间质性肺病量化功能相关性	使用RouteGAN进行CT风格转换，减少不同厂商CT间的量化差异，提高定量CT（QCT）测量的功能相关性	研究样本量较小（112例患者），且仅针对特发性肺纤维化（IPF）患者	评估CT风格转换是否能减少间质性肺病（ILD）量化中的厂商差异，并改善QCT测量的功能相关性	特发性肺纤维化（IPF）患者	数字病理学	肺纤维化	生成对抗网络（GAN）风格转换	RouteGAN	CT图像	112例患者（平均年龄61岁，82名男性）
717	2025-06-04	Advancing bioinformatics with large language models: components, applications and perspectives 2025-Jan-31, ArXiv PMID:38259343	综述	本文全面概述了大型语言模型（LLMs）在生物信息学中的关键组成部分、应用及未来展望	探讨了LLMs在解决生物信息学问题上的潜力，特别是在基因组学、转录组学、蛋白质组学、药物发现和单细胞分析等领域的应用	NA	综述大型语言模型在生物信息学中的应用及其未来发展	大型语言模型及其在生物信息学中的应用	生物信息学	NA	自监督学习、半监督学习	transformer模型	未标注输入数据	NA
718	2025-06-04	Prediction of Proteolysis-Targeting Chimeras Retention Time Using XGBoost Model Incorporated with Chromatographic Conditions 2025-Jan-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01732 PMID:39786356	研究论文	本文提出了一种结合色谱条件的XGBoost模型，用于预测蛋白水解靶向嵌合体（PROTACs）的保留时间	开发了优化的XGBoost模型，结合分子指纹、描述符和色谱条件描述符，显著提高了PROTACs保留时间的预测准确性	模型在新型色谱分离条件下的泛化能力有待进一步验证	解决PROTACs保留时间预测的挑战，促进其结构鉴定和药物设计	蛋白水解靶向嵌合体（PROTACs）	机器学习	NA	液相色谱（LC）与质谱（MS）联用	XGBoost, RF, KNN, SVM, FCNN	分子指纹和描述符数据	文献中的PROTAC-RT数据集及6种实验确定的化合物
719	2025-06-04	Development and Validation of a Machine Learning Method Using Vocal Biomarkers for Identifying Frailty in Community-Dwelling Older Adults: Cross-Sectional Study 2025-01-16, JMIR medical informatics IF:3.1Q2 DOI:10.2196/57298 PMID:39819744	研究论文	开发并验证了一种利用声音生物标志物识别社区居住老年人衰弱状态的机器学习方法	首次使用深度学习提取的声音生物标志物来预测衰弱状态，优于传统的人口统计学数据和传统声学特征模型	样本量较小（127名参与者），且未与其他衰弱评估方法进行直接比较	开发一种非侵入性、可扩展的衰弱检测方法	社区居住的50岁及以上老年人	机器学习	老年疾病	深度学习	SpeechAI, DemoAI, DemoSpeechAI	语音数据、人口统计学数据	127名50岁及以上的社区居住老年人
720	2025-06-04	A Vessel Bifurcation Landmark Pair Dataset for Abdominal CT Deformable Image Registration (DIR) Validation 2025-Jan-15, ArXiv PMID:39876932	research paper	该文章介绍了一种用于腹部CT可变形图像配准(DIR)验证的首个血管分叉标志点对数据集	首次提供了腹部CT DIR验证的基准数据集，包含大量高精度的血管分叉标志点对	数据集的样本量相对较小(30例患者)，且主要依赖公开数据库和单一机构的数据	为DIR算法开发提供质量保证的基准数据集	腹部CT图像和血管分叉标志点	digital pathology	NA	deep learning, deformable image registration	deep learning model (未指定具体类型)	CT图像	30例患者的腹部CT图像对，共1895个标志点对